طوّرتُ مشروعًا باستخدام تعلم الآلة للتنبؤ باحتمالية اشتراك العملاء في العروض والحملات التسويقية، بهدف فهم سلوك العملاء ودعم اتخاذ قرارات تسويقية أكثر فاعلية.
ما تم تنفيذه:
تجهيز البيانات وتنظيفها ومعالجة القيم المتطرفة، مع تحسين الميزات المستخدمة في بناء النماذج.
بناء ومقارنة نماذج Logistic Regression وRandom Forest وSVM للتنبؤ باشتراك العملاء.
تحسين أداء النماذج باستخدام GridSearchCV، وتقييمها بمقاييس متعددة، منها الدقة والاستدعاء ودرجة F1 وAUC.
تطبيق PCA وK-Means لتقسيم العملاء إلى مجموعات وفقًا لأنماط سلوكهم، بما يساعد على فهم شرائح العملاء وتوجيه الحملات التسويقية بصورة أفضل.
القيمة العملية للمشروع:
يساعد هذا النوع من التحليل على فهم سلوك العملاء، وتحديد الفئات الأكثر احتمالًا للاشتراك، ودعم تصميم حملات تسويقية أكثر استهدافًا اعتمادًا على البيانات.
الأدوات والتقنيات: Python، Pandas، Scikit-learn، Feature Engineering، GridSearchCV، PCA، K-Means، Model Evaluation.